基于CEEMD-RF模型的渣土边坡地下水埋深预测

地下水是影响渣土边坡稳定性的关键因素之一,地下水埋深预测对分析渣土边坡稳定性具有重要意义。考虑渣土边坡地下水水位的高度非平稳和非线性特点,提出了一种基于相空间重构的互补集合经验模态分解-随机森林（CEEMD-RF）的地下水埋深预测模型。以广州市某渣土边坡SW2水文观测孔为例,将基于相空间重构的CEEMD-RF模型应用于该渣土边坡的地下水埋深预测,并与相空间重构的RF模型预测结果进行对比分析。结果表明:利用CEEMD-RF模型对地下水埋深预测的拟合优度为0.997,均方根误差为0.03 m,优于相空间重构的RF模型预测结果;基于相空间重构的CEEMD-RF模型预测的地下水埋深序列能很好地反映地下水埋深的尖变点。     

基于改进人工蜂群算法的地下水埋深预测研究

为了改进人工蜂群算法的RBF神经网络模型在地下水埋深预测中的应用,在基本人工蜂群算法中引入高斯变异算子,并优化初始蜜源位置,提出了基于改进人工蜂群算法的RBF神经网络模型,并利用安阳市某观测站的降水量、蒸发量、河道流量、灌溉渗漏量和人工开采量5个相关影响因子的数据,对该方法进行了应用。为了验证模型的优劣性,与单一的BP神经网络模型、RBF神经网络模型、基于蚁群算法的RBF神经网络模型和基于基本人工蜂群算法的RBF神经网络模型的预测结果进行了比较,结果表明:基于改进人工蜂群算法的RBF神经网络模型收敛速度更快、预测结果误差最小。     

克山县地下水埋深时间序列分析预测模型

地下水埋深是衡量饮水安全的重要指标,可以通过其趋势变化来初步评价农村饮水安全状况以及供水工程的合理性.文中以克山县古城镇为例,应用时间序列分析法,建立时间序列预测模型,结合克山县古城镇2000-2010年长观井逐月地下水埋深监测数据进行分析,得出精度较高的拟合与预报数据.未来3年地下水埋深相对稳定,说明该地区饮水水量有保证;同时,揭示了该区地下水动态变化规律,为合理建设农村饮水安全工程提供了重要信息和保障.     

基于粒子群算法优化极限学习机的区域地下水水质综合评价模型

地下水环境质量的准确评价可降低由水质不确定性导致的农业水管理决策风险,对于指导区域发展绿色农业、清洁生产等均具有重要的实践意义。针对ELM会随机产生输入层与隐含层的连接权值和隐含层阈值,导致网络泛化能力降低以及过度拟合引起的评价结果失真问题,提出一种基于粒子群算法优化极限学习机的地下水水质综合评价模型。选取黑龙江省建三江地区为研究区域,通过典型农业机井中地下水体的实地采样,利用构建的PSO-ELM模型对地下水水质进行综合评价。结果表明:PSO-ELM模型拟合性高于传统的ELM模型和RBF模型,并提高了区域地下水水质的模拟评价效果。建三江地区下辖的15个农场,整体地下水水质较好。研究区范围内地下水水质等级呈现出集中式分布特点,地下水综合水质较差的农场集中在研究区中东部,水质较好的农场集中在研究区的东西两侧。建三江地区地下水水质地域性规律主要与化肥施用量有关。为此,在保障粮食安全与用水安全的同时实现清洁生产应注意控制化肥的使用量,积极探索作物高产新举措。     

滕西平原地下水埋深预测方法探讨

通过对滕西平原地下水动态特征分析,采用区域长系列地下水埋深、降雨量等监测和统计数据,根据当前地下水埋深,对近期地下水埋深变化趋势做出预测,为最严格水资源管理制度的实施、保障地下水资源合理开发利用提供参考依据。     

利用模型预测地下水埋深的动态

文中将资料记载的地下水埋深时间序列,利用双向差分和自忆性原理,建立DAMSM模型,求得预测方程,其预测结果最大相对误差仅为8.07%,平均相对误差为4.33%,拟合性优良,可用于后续的地下水埋深动态监测控制管理。该模型将数据的历史信息纳入模型计算,填补了用单因素预测的缺陷。最后,根据首山漏斗区的地质和地下水特性,提出地下水生态环境缓解和修复方案建议。     

地下水不同埋深对水稻产量影响的研究

文章以单位面积的水稻产量为指标,分析本试验中不同地下水埋深处理的产量情况,研究水稻的产量和埋深的关系,看是否存在最优的地下水埋深。参照前人研究的相关成果,安排了相对旱作物较浅的地下水埋深,最大埋深为0.75 m。     

廊坊市降水量对地下水埋深的影响分析

选取廊坊市2002年～2020年逐日降水量及78眼地下水观测井的地下水埋深资料,（1）计算出廊坊市地下水埋深的多年月平均值、廊坊市多年月平均降水量并绘制二者关系图,得出地下水埋深年内变化规律与降水量季节性分配基本一致;（2）计算出廊坊市历年地下水埋深平均值、历年降水量并绘制二者关系图,得出地下水埋深的年际变化受降水量影响显著;（3）计算出年地下水埋深变幅、年降水量变幅并绘制地下水埋深变幅与降水量变化过程线及地下水埋深变幅与降水量变幅变化趋势线。分别得出：（1）地下水埋深随降水量的变化而变化,降水量变幅越大,地下水埋深变幅变化也越显著,即水位降深越大;（2）地下水埋深变幅与降水量变幅呈反比关系,即当年降水量较上年降水量小,当年地下水埋深较上年地下水埋深大。     

基于粒子群算法的BP模型在地下水位埋深预测研究中的应用

地下水水位埋深是影响河套灌区生态环境的主要因素,开展地下水位埋深预测研究对灌区远景发展规划与用水管理具有现实指导意义。本文采用基于粒子群算法的BP神经网络模型(PSO-BP),对河套灌区永济灌区地下水位埋深进行了预测模拟,相对于传统BP模型纳什效率系数NSE (0.791), PSO-BP模型NSE(0.887)提高了12%。表明, BP神经网络可以有效处理地下水位埋深与其影响因素之间的复杂非线性问题,同时粒子群算法可以提高模型的预测精度。     

基于地下水埋深的区域干旱频率分析研究

以地下水埋深为水文干旱指标,在分析研究区实际旱情发生频次的基础上,采用相邻时段地下水埋深变化的累积频率法,识别由地下水干旱历时和干旱烈度组成的干旱特征变量值,并从降水的角度,分析了用相邻时段地下水埋深变化表征干旱的合理性。在采用适线法确定单个干旱特征变量累积分布的基础上,利用Copula函数构建了干旱历时与干旱烈度间的联合分布,并计算了相应的干旱重现期。对淮北平原砀山县的地下水干旱频率分析结果表明:采用基于相邻时段地下水埋深变化的累积频率法所识别的干旱历时和干旱烈度及其对应的干旱重现期与砀山县实际受旱情况相符。该方法概念清晰,可在其它类似的平原区域采用。     

天津地区近21年地下水埋深变化特征及其影响因素

选用天津地区89个观测井1990-2010年的月地下水埋深,基于Mann-Kendall法研究地下水埋深的变化趋势、埋深变幅年代际变化特性及其年内分配变化特性,并探讨影响地下水埋深的相关因素。结果表明：观测期内天津平原区不同含水组地下水埋深的时空变化和影响因素差距较大,尤其在2000年后,由于受开采量的影响,地下水年际和年内变化更为剧烈。研究结果可为天津地区地下水资源的可持续利用和保护决策提供重要参考。     

基于PSO-SVM的大坝渗流监测时间序列非线性预报模型

大坝渗流监测分析是大坝安全监控的重要内容，预测分析的难点之一在于渗流监测数据往往具有复杂的非线性特点。本文充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点，采用粒子群算法快速优化支持向量机的模型参数，通过该模型对非线性监测数据进行拟合，建立了基于PSO_SVM的大坝渗流监测的时间序列非线性预报模型。本模型应用于隔河岩水电站的坝基渗流量的预测，计算结果与实际监测值吻合良好。     

区域尺度地下水埋深与矿化度对土地盐碱化转变概率研究

为探明受地下水埋深与矿化度影响的极度干旱荒漠区土地盐碱化转变概率,选定甘肃省景泰川电力提灌灌区(简称"景电灌区")为研究区,分别利用ArcGIS空间插值中的反距离权重法、样条函数法、趋势面法及普通克里金法对2017年的地下水埋深和矿化度监测数据进行插值,结合误差矩阵选取最优插值方法,并对研究区1994、2008和2017年三期监测数据进行插值分析,再通过重分类消除量纲进行叠加,将土地盐碱化难易程度划分为5级,分析了研究区土地盐碱化转变概率。结果表明,地下水埋深和矿化度平均值在1994年至2017年间呈不断上升趋势,灌区土地盐碱化转变概率西南低东北高,地下水埋深较深区域不易形成盐碱地,地下水埋深较浅区域,矿化度越大越易形成盐碱地,研究可为干旱荒漠区区域地下水利用提供理论依据。     

基于APSO和TWSVM的特高拱坝变形预测模型

为挖掘混凝土大坝变形监测数据与各影响因素之间复杂的非线性关系,提高特高拱坝变形预测精度,在孪生支持向量机(TWSVM)模型基础上,引入位置因子与速度因子,运用自适应粒子群优化(APSO)算法进行参数优化,构建了特高拱坝变形的APSO-TWSVM预测模型。实例验证结果表明,该模型可有效挖掘拱坝变形与影响因子间复杂的非线性关系,模型运算速度和精度均比传统SVM模型有明显提升。     

华北平原超采区浅层地下水埋深变化及控制因素分析

为了准确识别华北平原浅层地下水超采变化和控制因素,通过收集分析华北平原浅层地下水埋深分布及动态资料,基于典型潜水监测站2005-2015年的监测数据,结合全国水资源公报选取代表年分析华北平原地下水埋深分布并通过BP神经网络方法确定了超采区浅层地下水变化的控制因素。研究表明:2005-2015年华北平原地下水除北京少部分地区埋深减少外,其余大部分均表现出埋深持续增加的特征;人工开采地下水是影响华北平原浅层地下水的控制因素。     

基于相空间重构的大坝服役性态小波支持向量机预测模型

通过支持向量机与相空间重构、小波分析、粒子群算法等的组合应用,充分考虑大坝原型监测数据特征,开展了大坝变形性态预测模型研究。为提升模型的抗噪能性,首先利用小波分析工具对监测数据序列进行时频分解,对分解所得的高频子序列实施阈值去噪处理;进而在借助混沌相空间重构技术,计算各子序列延迟时间与嵌入维数的基础上,重构各子序列的相空间。依据去噪和重构后的变形子序列,建立大坝变形性态支持向量机预测模型。考虑到支持向量机惩罚因子与核函数参数对模型预测精度影响显著的特点,引入粒子群算法,并通过支持向量机的参数寻优,进一步提高了模型的预测精度。工程实例分析表明,相空间重构的大坝变形性态小波支持向量机预测模型具有较强的抗噪和泛化能力,且能够更好地辨识蕴含于大坝原型监测数据中的时频非线性特征,更利于大坝变形性态的精准预测。     

穿堤管道工程抗浮埋深及其极限沉降位移算例

穿堤管道工程可能出现抗浮破坏和堤防沉降变形,如何确立其抗浮埋深与极限沉降是设计中必须重视的关键问题。以某穿堤管道工程为例,综合考虑上覆土层强度、河道行洪冲刷、地震荷载等因素的影响,提出基于有限元的优化算法求得更加合乎工程实际情况的抗浮埋深,并综合考虑地层损失和地表沉降等各种因素,试算求得管道极限收缩率来模拟地层损失,最终得出结构所允许的垂直位移极限沉降值,为工程设计、后续沉降监控提供参考。     

地下水动态预测模型的回顾与展望

回顾了国内外地下水动态预测研究的各种模型,将这些模型划分为确定性模型和随机模型两大类,指出各种模型的适用条件及存在问题。最后提出了提高地下水动态预测的可靠性与精度的两条途径:(1)建立既能描述地下水系统内部特征也能反映其外部特征的确定性-随机耦合模型;(2)建立地下水系统的随机微分方程模型,并将系统内部参数作为随机变量,将其外部环境因素也作为随机时间序列引入地下水流定解问题,并给出解的概率分布。